Non English Tacotron 2 Training Notebook

非英语 - tacotron-2-Training Notebook

TACOTRON 2培训笔记本支持日语，法语和普通话

概述

本笔记本旨在更轻松地使用英语以外的其他语言培训TaCotron 2型号。目前，包括日语（Talqu和Neutalk语音），法语和普通话预审预周读的模型，但该计划是将来包括更多，例如德语。对于日语，建议使用中性语音和预验证的模型。

支持的音频

培训的音频应为16位22050Hz单WAV文件。请勿在文件名中包含空格。文件应仅包括字母数字（半宽），破折号和下划线。这意味着没有日语或中国的文件名或变音符号。音频剪辑应为10秒或更短的时间，以促进学习。根据我的测试，我建议至少有15分钟的音频。

转录

转录文件应为文本文档，每行具有以下格式： wavs/{name_of_file}.wav|{text} 。使用随附的G2P之一将转录转换为适当的语音输入。

训练

我希望笔记本中的步骤应该是相当自我解释的。在开始培训之前，将音频上传到WAV/文件夹中。以下是要记住的笔记：

• 理想情况下，批量大小应该是您拥有的WAV量的一个因素。例如，当训练15个WAV的模型时，我将批处理大小设置为5。
• 如果您在COLAB上有T4 GPU，请不要将批量尺寸设置高于14。
• 培训的输出目录应在Google驱动器中，以防您断开连接。
• 训练时，检查站将建立。删除旧的垃圾，以使您的驱动器存储空间可用。
• 当您获得适当的验证损失时，请停止培训。例如，我要做的是：少于30个文件= 0.07以下； 30-100文件=低于0.09; 150+文件=低于0.1;超过30分钟的数据=在0.14以下

归因

• haruqa的talqu语音系统（https://booth.pm/ja/items/2755336）
• Neutalk日本语音系统中性（https://github.com/neutrogic/neutalk）
• Haruqa的Talqu预算模型（https://github.com/haruqa/tacotron2/releases）
• 中立循环（https://github.com/neutrogic/neutalk）中性日语和普通话预审预告额
• 由MIDEMELWE创建的法国预算模型，并由中性训练（https://github.com/neutrogic）培训
• 基于Uberduck Tacotron 2培训笔记本（https://colab.research.google.com/drive/1wtilmdm9vf7ke79gzkeetbigan6iv3bg?usp = sharing）的代码）
• Nvidia（https://github.com/nvidia/tacotron2）实现Tacotron 2